使用 Grafana + Prometheus 監測智慧插座用電量 (含 Docker 容器編譯技巧)

事發總有原因，先來個前情提要：

• 2022-05 我入手可以量測插座耗電量的智慧延長線，為了長時間監測電器用電狀況，還自己寫程式定期收資料寫進 SQLite 再用 Highchart 畫線圖
  
• 2024-11 為了要觀察 Docker CPU/RAM 使用狀況，我學會使用 Prometheus + Grafana 豪華全家桶
• 2025-09 家用迷你伺服器從 CentOS 7 升級到 Debian 12 重生，原本有一堆事卡在作業系統太舊不能做，這下子封印解除
• 2025-10 在迷你伺服器跑的容器愈來愈多，三年前研究過的 cAdvisor + Prometheus + Grafana 全家桶正式登場
• 2025-11 想想，既然都架好 Grafana + Prometheus，幹嘛還自己收資料寫 DB 畫線圖？該交給專業的來啊~

因此我打算研究一下，怎麼把智慧插座用電量餵給 Prometheus，用 Grafana 看圖表，如此用 SQLite 收資料跟畫圖表的土砲服務就能功成身退了。

Prometheus 抓資料的原理是在 prometheus.yaml 設定檔加入一段，指定作業名稱跟抓資料的網址：

scrape_configs:
  - job_name: "hs300"
    static_configs:
      - targets: ["localhost:9300"]

而 localhost:9300/metrics 要吐回類似以下格式的資料：

/metrics 的資料格式一望便知，其中定義了名為 hs300_stats 的 Gauge (儀表，會上下波動的度量數字) ，而這個 Gauge 包含了六種資料，插座 1 到插座 6，每次存取時會顯示各插座的耗電量(以瓦為單位)。

Promethues 有提供官方建議的 C# 程式庫，寫出以上服務簡單到像吃豆腐，建個 Console 專案，用 dotnet add package prometheus-net 及 dotnet add package TPLinkSmartDevice.NETCore" 安裝 Prometheus 及 TPLink 智慧插座通訊程式庫，50 行搞定：

using Prometheus;
using System.Diagnostics;
using TPLinkSmartDevices.Devices;

// 讀取設定，提供預設值
var host = Environment.GetEnvironmentVariable("HS300_DeviceIP") ?? throw new ArgumentNullException("HS300_DeviceIP", "請提供 HS300 裝置的 IP 位址");

var metricServer = new MetricServer(port: 9999); // 指定 Exposure Port
metricServer.Start();

Metrics.SuppressDefaultMetrics(); // 停用預設指標

// 建立自訂指標
var myGauge = Metrics.CreateGauge("hs300_stats", "HS300 插座耗電量(w)", new GaugeConfiguration
{
    LabelNames = new[] { "type" }
});

// 以背景執行方式更新指標
await Task.Run(async () =>
{
    var rand = new Random();
    while (true)
    {
        double[] data = new double[6];
        long waitMs = 10_000;
        try
        {
            Console.Write(DateTime.Now.ToString("MM-dd HH:mm:ss "));
            var sw = Stopwatch.StartNew();
            var hs300 = new TPLinkSmartStrip(host);
            for (int i = 0; i < 6; i++)
            {
                var powerData = hs300.ReadRealtimePowerData(i + 1);
                data[i] = powerData.Power;
                myGauge.WithLabels($"插座{i + 1}").Set(powerData.Power);
            }
            sw.Stop();
            waitMs = Math.Max(waitMs - (int)sw.ElapsedMilliseconds, 0);
            Console.WriteLine($"Read data: {string.Join(",", data)} ({sw.ElapsedMilliseconds:n0}ms)");
        }
        catch (Exception ex)
        {
            Console.WriteLine($"錯誤: {ex.Message}");
        }
        await Task.Delay(TimeSpan.FromMilliseconds(waitMs));
    }
});

程式要包成 Docker Image 送到 Linux 跑容器，我順便溫習了 Dockerfile 建 Image 的技巧。Copilot 是好老師，生成了一個很專業的 Dockerfile，我不懂就問，學到一些 Docker Image 製作技巧，整理在後面。

# 使用 .NET 9 SDK 作為建置環境
FROM mcr.microsoft.com/dotnet/sdk:9.0 AS build
WORKDIR /src

# 複製專案檔並還原相依套件 (利用快取機制，csproj 檔沒變動時，不需要重複還原)
COPY hs300-exporter.csproj .
RUN dotnet restore

# 專案只有一個 Program.cs 檔案
# 有很多檔案時，可使用 COPY . . 指令並配合 .dockerignore 檔案排除不要複製的檔案
COPY Program.cs .
# --no-restore 跳過前面已做過的 Package 還原步驟，加速建置
# /p:PublishSingleFile=false 不打包成單一檔，執行前不需解壓，啟動速度較快
# /p:PublishTrimmed=false 不進行程式碼修剪，加快建置減少出錯風險
RUN dotnet publish -c Release -o /app/publish \
    --no-restore \
    /p:PublishSingleFile=false \
    /p:PublishTrimmed=false

# 使用 .NET 9 Runtime 作為執行環境（較小的 Image）
FROM mcr.microsoft.com/dotnet/runtime:9.0
WORKDIR /app

# 複製建置輸出
COPY --from=build /app/publish .

# 宣告使用 Port (Metadata 性質，不影響編譯或執行)
EXPOSE 9999

# 執行應用程式
ENTRYPOINT ["dotnet", "hs300-exporter.dll"]

# 建置與執行
# docker build -t hs300-exporter .
# docker save -o hs300-exporter.tar hs300-exporter
# scp .\hs300-exporter.tar user@remotehost:/path/to/

以下是這次學到的 .NET 編譯 Dockerfile 技巧：

• 兩次 FROM 切分成 Build Stage 及 Runtime Stage，兩次用的基底不同，Build 要用含完整 SDK 的 Image (730MB)，Runtime 只需用 .NET Runtime Image (190MB) 即可。
• Dockerfile 編譯過程產生 7 個 Layer (不含兩次 FROM 帶入的基底)：
  1. WORKDIR /src 建立工作目錄
  2. COPY hs300-exporter.csproj . 複製專案檔
  3. RUN dotnet restore 執行套件還原
  4. COPY Program.cs . 複製原始碼檔案
  5. RUN dotnet publish... 發佈檔案
  6. WORKDIR /app 建立工作目錄
  7. COPY --from=build /app/publish . 複製編譯結果
     (註：EXPOSE 及 ENTRYPOINT 為 Metadata 不產生 Layer)
• docker build 最終產生的 Image 只會包含 .NET Runtime Image 及 6, 7 Layer
• 先 COPY .csproj、dotnet restore，之後 dotnet publish --no-restore 的原因是，Layer 可被 Cache，若 .csproj 沒變動，編譯時 1 到 3 層可以用快取內容，不需要重新執行。
• /p:PublishSingleFile=false、/p:PublishTrimmed=false 有其考慮，但預設沒加註解(學長說：這不是常識嗎？ XD)，但問 Copilot 才知答案。

以上拆 .csproj 跟 dotnet restore 善用 Layer Cache 加速編譯的小訣竅官方教學沒講，謝謝 AI 不藏私帶我飛~

在 Linux 上用 docker-compose.yaml 啟動 hs300-exporter 容器並將 9999 Port 對應到本機的 9300 Port，Prometheus 會依 prometheus.yaml 指示到 http://localhost:9300/metrics 定期讀資料並寫入資料庫，要查詢最新 12 小時到最近五年的資料都不是問題。(註：Prometheus 要配合設定資料保存年限)

services:
  hs300-exporter:
    image: hs300-exporter:latest
    container_name: hs300-exporter
    restart: unless-stopped
    ports:
      - "9300:9999"
    environment:
      - TZ=Asia/Taipei
      - HS300_DeviceIP=192.168.50.80
    network_mode: bridge

另外，我使用的 cAdvisor/Prometheus/Grafana 範例沒有設定 Prometheus 資料長期保存，我調整了 docker-compose.yml 設定：

  prometheus:
    container_name: prometheus
    image: prom/prometheus:latest
    network_mode: "host"
 #   ports:
 #     - "9090:9090"
    volumes: 
      - "./prometheus.yml:/etc/prometheus/prometheus.yml"
      - "./prometheus-data:/prometheus" 
    command:  
      - "--config.file=/etc/prometheus/prometheus.yml"
      - "--storage.tsdb.path=/prometheus"
      - "--storage.tsdb.retention.time=5y"  
    privileged: true
    depends_on:
      - cadvisor

設定妥當後，在 Granfana 新增一個 Dashboard，指定接入 hs300_stats 資料，透過 Label Filter 指定 type = '插座1' 到 '插座6' 新增六個 Query，得到六個插座瓦數的折線圖：

Grafana 的圖表精美，設定介面挺直覺，最重要的是它的功能非常完整，你想得到的需求一應俱全。

像是指定查詢區期、設定篩選條件、詳細分析檢視... 等都難不倒它，用來管插座算是大材小用，Prometheus + Grafana 不愧是當前 DevOps 監測平台的一哥。

此刻，我也算摸到了 DevOps 的邊，感覺又更專業了一點，但這塊東西很多，未來有機會再繼續深入。

Migrated smart socket power monitoring from custom project to Prometheus + Grafana for advanced, automated charting and data management.